Trajectory tracking control for nonholonomic mobile robots under arbitrary reference input
研究了基于二阶动力学的非完整移动机器人的跟踪控制问题，并将其应用于一致性跟踪和编队跟踪。本文最大的创新之处在于，参考轨迹可以任意选择，在这个意义上，持续激励的条件和任何其他要求都不强加于领导者。本文首先考虑了一个领导者和一个从者的跟踪控制问题，通过设计伴随系统，将其转化为两个相关子系统的镇定问题。然后，将单跟随者跟踪控制器推广到由有向无环图连接的多个非完整移动机器人的一致性跟踪问题，其中引入非线性流形上的凸组合为每个跟随者构造虚拟领导者.其次，针对多个非完整移动机器人，建立了一致性控制与编队控制之间的关系，构造了一个新的变换系统，从而由一致性跟踪结果得到编队跟踪控制策略。最后，仿真验证了控制律的有效性。
2019-12-26 cs.SY eess.SY
Continuous-Time Estimation-Aware Optimal Control of Mobile Sensors for Target Tracking
University of Minnesota（明尼苏达大学）
提出一种估计感知最优控制方法，用于移动传感器目标跟踪，考虑非线性动力学和协方差，确保连续时间约束满足，并在稀疏离散化下有效。
2026-10-06 cs.SY eess.SY
Decentralized Semantic Communication and Cooperative Tracking Control for a UAV Swarm over Wireless MIMO Fading Channels
针对无人机群在MIMO衰落信道下的语义通信与协同跟踪控制问题，提出动态模型与漂移加惩罚优化，推导闭式最优解并建立稳定条件，显著优于现有方法。
2024-11-09 cs.SY eess.SP eess.SY
Cooperative Distributed Robust Control of Modular Mobile Robots with Bounded Curvature and Velocity
University of Utah（犹他大学）
本文研究了一种新型的运动控制系统，用于具有柔性框架轮式模块化移动机器人（CFMMR）。该系统结合了基于有限曲率的运动控制器和非线性阻尼动态控制器，通过多种控制器交互形式评估不同控制结构，实验结果验证了姿态调节的有效性。
2019-05-03 cs.RO cs.SY eess.SY
Quadratic-Programming-based Control of Multi-Robot Systems for Cooperative Object Transport
Department of Mechanical Engineering, City University of Hong Kong（香港城市大学机械工程系）
本文提出基于二次规划的多机器人协同运输控制方法，通过设计速度和位置跟踪控制器，实现对球形物体的协同运输并保证系统稳定性。
2025-12-14 cs.SY eess.SY
Cooperative Optimal Output Tracking for Discrete-Time Multiagent Systems: Stabilizing Policy Iteration Frameworks
State Key Laboratory of Synthetical Automation of Process Industries, Northeastern University（东北大学流程工业综合自动化国家重点实验室）
本文提出两种基于策略迭代的算法，用于离散时间多智能体系统的协同最优输出跟踪，通过稳定化策略迭代框架和Q学习框架实现高效稳定的控制方案。
2026-01-26 cs.SY eess.SY
Cooperative localization for mobile agents: a recursive decentralized algorithm based on Kalman filter decoupling
本文提出一种递归分布式协同定位算法，通过解耦卡尔曼滤波实现分布式状态估计，提升移动代理的定位精度与效率。
2015-10-05 cs.RO cs.SY eess.SY
Fuzzy-based Robust Precision Consensus Tracking for Uncertain Networked Systems with Cooperative-Antagonistic Interactions
在非线性多智能体系统的二分一致性跟踪（BCT）任务中，随机干扰和执行器故障被认为是影响有效控制器设计和跟踪精度提高的重要因素.为了解决这些困难，我们设计了一个改进的有限时间性能函数（FTPF）的模糊容错分布式协同控制方案，实现有限时间鲁棒精度BCT任务的非线性多智能体系统。改进后的FTPF的参数选择范围放宽，使系统获得更好的瞬态性能。利用随机李雅普诺夫稳定性理论，证明了系统的所有信号在概率上是半全局一致最终有界的，并且二部一致误差在预定时间内可以满足任意精度的概率.最后，为了验证其有效性，所提出的控制方案被应用到一组车辆的BCT任务，表现出预期的控制性能在各种不确定性。
2022-04-16 cs.SY eess.SY nlin.AO
GMPC: Geometric Model Predictive Control for Wheeled Mobile Robot Trajectory Tracking
针对移动机器人轨迹跟踪中现有方法未考虑构型流形约束的问题，提出基于李群李代数的几何MPC框架，通过凸化问题实现高效求解，跟踪平滑度优于现有非线性MPC，且公开了纯Python仿真平台。
2024-03-12 cs.SY eess.SY
Range-based Coordinate Alignment for Cooperative Mobile Sensor Network Localization
Tsinghua University（清华大学）；Beijing Science and Technology Co, three fast online（北京三快在线科技有限公司）
本文研究了利用基于范围的测量进行协作移动传感器网络定位中的坐标对齐问题，通过设计迭代和递归算法实现目标节点的定位，并通过仿真验证了算法的优势。
2020-02-22 cs.MA cs.SY eess.SY
Cooperative Simultaneous Localization and Synchronization in Mobile Agent Networks
Johannes Kepler University（约瀚内斯·开普勒大学）；NATO STO Centre for Maritime Research and Experimentation（北约科学技术组织海上研究与实验中心）；TU Wien（维也纳工业大学）；Chalmers University of Technology（查尔姆斯理工大学）
本文提出基于时间飞行测量的协同定位与同步框架CoSLAS，采用分布式信念传播算法处理时变局部时钟参数，结合粒子实现与参数信息表示提升精度与效率。
2016-11-07 cs.DC cs.SY eess.SY
MPC for Tracking applied to rendezvous with non-cooperative tumbling targets ensuring stability and feasibility
针对主动碎片清除中与非合作翻滚目标的交会，提出一种基于中间坐标变换和QP求解的模型预测追踪控制器，通过终端LQR和死区保证稳定性与可行性，并在Envisat交会模拟中验证性能。
2024-03-16 cs.SY eess.SY math.OC
Time-Optimal Path Tracking for Cooperative Manipulators: A Convex Optimization Approach
Linköping University（林雪平大学）；ABB Robotics Division（ABB机器人事业部）
研究了多机器人协同搬运物体的时间最优路径跟踪问题。考虑到刚性抓物体的问题，我们表明，它可以作为一个凸优化问题，并有效地解决了最优性的保证。当公式化问题时，我们避免使用特定的扳手分布，并利用系统可用的全部驱动。然后，我们考虑的问题，掌握使用摩擦力，并表明，这个问题也，在一个力封闭掌握假设，可以制定为一个凸优化问题，并有效地解决和最优。为了确保牢牢把握，在这一方法中考虑了内力。
2023-03-13 cs.RO cs.SY eess.SY
A Discrete-Time Least-Squares Adaptive State Tracking Control Scheme with A Mobile-Robot System Study
本文提出基于最小二乘算法的离散时间自适应状态跟踪控制方案，解决 Lyapunov 方法不适用的长期问题，并应用于多移动机器人系统实现状态跟踪与碰撞规避。
2025-02-01 cs.SY eess.SY
SAFE-IMM: Robust and Lightweight Radar-Based Object Tracking on Mobile Platforms
University of Klagenfurt（克拉根福大学）
SAFE-IMM是一种轻量级IMM变体，用于在移动和资源受限平台上实现鲁棒且高效的雷达目标跟踪，通过安全协方差感知门确保在跳跃可证明有界时才进行胜者通吃，提升跟踪精度和稳定性。
2026-02-12 cs.SY eess.SY
Projected gradient-tracking in multi-cluster games and its application to power management
我们关注的是一个分布式的方法来解决多集群游戏中出现的多智能体系统。在这样的游戏中，代理人被分成不同的集群。属于同一个集群的智能体相互合作，以实现一个共同的集群目标，而集群之间进行非合作博弈。为了能够处理信息的稀疏性，因为每个代理只知道问题的特定部分，我们将梯度跟踪和共识方法用于信息分配到一个算法中，该算法可以在单次运行中解决合作和非合作问题。问题的约束条件考虑到相应的投影算子和线性收敛性证明了适当的常数步长。该算法被应用到一天前的电源管理问题，提出了作为一个多集群的游戏，其效率是通过模拟证明。
2022-03-11 cs.SY eess.SY
Adaptive Cooperative Tracking and Parameter Estimation of an Uncertain Leader over General Directed Graphs
研究了具有不确定领导者的异构Euler-Lagrange系统的协同跟踪问题。与大多数现有的工作不同，系统的动态知识的领导者节点是不可访问的任何从节点在我们的文件。对所有跟随节点设计分布式自适应观测器，同时估计领导节点的状态和参数。观测器的设计不依赖于领导节点的频率知识，估计误差收敛到零指数。此外，这些结果也适用于一般的有向图，其中Laplacian矩阵的对称性不成立。这是由于两个新开发的李雅普诺夫方程，这完全取决于通信网络拓扑。有趣的是，利用这些李雅普诺夫方程，许多结果的多智能体系统的无向图可以扩展到一般的有向图。最后，本文还提出了自适应控制系统的知识库，为自适应观测器的参数收敛性分析提供了主要工具。
2022-01-31 cs.SY eess.SY math.OC
A distributed motion planning approach to cooperative underwater acoustic source tracking
University of Genova（热那亚大学）；ISME, Interuniversity Center of Integrated Systems for the Marine Environment（海洋环境集成系统跨大学中心）；Institute for Systems and Robotics, Instituto Superior Técnico（高级技术研究所系统与机器人研究所）
本文提出了一种基于分布式模型预测控制的水下声源跟踪方法，通过优化多代理协同运动规划提升跟踪性能。
2025-12-01 cs.SY eess.SY
Tracking error learning control for precise mobile robot path tracking in outdoor environment
Massachusetts Institute of Technology（麻省理工学院）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
提出了一种跟踪误差学习控制（TELC）算法，用于越野环境下移动机器人的精确路径跟踪。传统的基于跟踪误差的控制方法中，反馈和前馈控制器都是基于标称模型设计的，无法捕捉不确定性、干扰和工作条件的变化，无法保证在室外环境下精确的路径跟踪性能。在TELC算法中，前馈控制动作的更新，通过使用跟踪误差动态和对象模型失配问题，从而放弃。因此，一旦移动机器人已经在轨道上，前馈控制器就逐渐从系统的控制中消除反馈控制器。除了证明稳定性外，还证明了代价函数不存在局部极小值，从而TELC算法中的系数保证达到全局极小值。实验结果表明，TELC算法的路径跟踪性能优于传统的跟踪误差控制方法。TELC算法控制的移动机器人在越野环境下能够精确地跟踪目标路径，误差小于$10$ cm。
2021-03-21 cs.RO cs.SY eess.SY
Passive Handwriting Tracking via Weak mmWave Communication Signals
提出一种由一发射机、两接收机组成的毫米波协同被动感知框架，利用多普勒频率积分估计微小运动速度，实现90%误差低于6毫米的手写跟踪，并在弱信号、无视距路径条件下保持鲁棒。
2023-11-03 cs.SY eess.SY
Optimal configuration of cooperative stationary and mobile energy storage considering ambient temperature: A case for Winter Olympic Game
国际大型活动，如冬季奥运会，已被认为是世界范围内碳密集度最高的活动之一。由于可再生能源的随机性，在确保极高可靠性的同时完全可再生能源的容纳和利用的承诺给系统运行带来了重大挑战。由固定储能系统（SESS）和共享移动储能系统（MESS）组成的电池储能系统（BESS）可满足大型活动期间重要负荷的短期负荷浪涌、可再生调节和应急供电需求。BESS可以在活动结束后继续为场馆用电提供服务，以满足碳中和的要求。另一方面，冬季奥运会期间的低温环境对BESS的退化和性能有重要影响，需要将其纳入到BESS的充放电模型中。为此，提出了考虑环境温度的SESS和MESS联合两阶段优化配置方法，以支持大型活动碳中和，减少冗余BESS容量分配，提高系统全寿命周期成本效益。仿真结果验证了在不同情景下SESS与MESS协同作战的合理性和有效性。
2022-02-20 cs.SY eess.SY
Finite-Time Trajectory Tracking of a Four wheeled Mecanum Mobile Robot
针对四轮麦克纳姆机器人轨迹跟踪控制难题，提出基于反步技术的有限时间控制律，经严格稳定性证明与实时仿真验证，可有效实现系统镇定及避碰场景下的S形轨迹跟踪。
2024-10-09 cs.SY eess.SY
RIS-aided Real-time Beam Tracking for a Mobile User via Bayesian Optimization
本文首次将贝叶斯优化应用于RIS辅助通信系统的实时波束跟踪，以解决移动用户波束管理中RSRP测量性能与上报开销之间的权衡问题，并通过仿真验证了方案有效性。
2023-10-29 cs.SY eess.SY
Cooperative Learning with Gaussian Processes for Euler-Lagrange Systems Tracking Control under Switching Topologies
Robert Koch Institute（罗伯特·科赫研究所）；Technical University of Munich（慕尼黑工业大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Freie Universität Berlin（柏林自由大学）
针对切换拓扑下部分未知动态的欧拉-拉格朗日多智能体系统，提出基于高斯过程回归的相关性感知合作学习控制方法，通过规避后验方差计算高效确定聚合权重，并经李雅普诺夫分析保证跟踪误差有界，仿真验证了其有效性。
2024-02-05 cs.LG cs.MA cs.SY
Motion Planning of Cooperative Nonholonomic Mobile Manipulators
Department of Mechanical Engineering, Indian Institute of Technology Bombay（印度理工学院班加罗尔机械工程系）；Center for Systems and Control, Indian Institute of Technology Bombay（印度理工学院班加罗尔系统控制中心）
本文提出了一种实时可实现的运动规划框架，用于非holonomic移动机械臂机器人在动态环境中协作运输物体。该框架通过静态无障碍区域找到从起点到目标的路径，并利用一种新颖、快速且计算轻量的椭圆技术生成路径周围的凸、静态、无障碍区域。引入了基于非线性模型预测控制（NMPC）的实时可实现规划技术，联合规划移动基底和机械臂的可行运动，并生成可行的、无碰撞的轨迹以实现协作物体运输。仿真和硬件实验验证了所提规划框架的有效性。
2026-05-17 cs.MA cs.RO cs.SY
Low-Complexity Cooperative Payload Transportation for Nonholonomic Mobile Robots Under Scalable Constraints
School of Mechanical Electrical Engineering and Automation, Harbin Institute of Technology Shenzhen（哈尔滨工业大学（深圳）机电工程与自动化学院）；School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院）；School of Automation and Intelligent Manufacturing, Southern University of Science and Technology（南方科技大学自动化与智能制造学院）
针对分布式控制难处理多约束、优化方法集中且耗时的问题，本文改进编队控制，提出低复杂度、分布式且支持可扩展约束的非完整移动机器人协同运输方法，并通过缆索悬挂载荷仿真与实验验证可行性。
2025-02-19 cs.RO cs.SY eess.SY
Cooperative Transportation of UAVs Without Inter-UAV Communication
National Chiao Tung University（国立交通大学）
提出了一种基于主从系统的协同运输系统。据我们所知，这是第一个不需要无人机之间通信的工作，并且可以实时修改有效载荷的参考轨迹，以便它可以应用于动态变化的环境。为了在无通信条件下实时跟踪修改后的参考轨迹，将领导者-跟随者系统视为非完整系统，设计了领导者的控制器以实现对有效载荷的渐近跟踪.为了消除安装力传感器的需要，开发了UKFs（无迹卡尔曼滤波器）来估计由领导者和跟随者施加的力。对闭环系统的跟踪误差进行了稳定性分析。仿真结果表明了该跟踪控制器的良好性能。实验结果表明，所设计的主从控制器在实际环境中均能正常工作，但在受限空间内，气流扰动对跟踪误差有较大影响。
2021-11-05 cs.RO cs.SY eess.SY
Resilient and Decentralized Control of Multi-level Cooperative Mobile Networks to Maintain Connectivity under Adversarial Environment
本文提出基于博弈论的框架，设计去中心化算法以最大化全局网络的代数连通性，并通过案例研究验证算法的有效性和网络鲁棒性。
2016-03-16 cs.DC cs.RO cs.SY
Cooperative Curve Tracking in Two Dimensions Without Explicit Estimation of the Field Gradient
Rensselaer Polytechnic Institute（伦斯勒理工学院）
本文提出了一种无需显式估计场梯度的二维空间协同曲线跟踪方法，通过将每个代理的速度分解为两个相互垂直的方向并设计独立的控制律，实现了对含噪声平面等高线的高效准确跟踪。
2017-09-07 cs.SY eess.SY math.DS
Circular-Line Trajectory Tracking Controller for Mobile Robot using Multi-Pixy2 Sensors
Saigon University（西贡大学）；University of Technology (HCMUT)（胡志明市理工大学）；Vietnam National University Ho Chi Minh City（胡志明市越南国家大学）
针对移动机器人圆-线轨迹跟踪问题，提出利用三个 Pixy2 传感器获取信息并建立运动学模型，结合滑模控制器调节跟踪误差，仿真验证了方法有效性。
2023-08-12 cs.RO cs.SY eess.SY
Online Learning Based Mobile Robot Controller Adaptation for Slip Reduction
University of California, Berkeley（加州大学伯克利分校）
滑移是轮式移动机器人系统中一种非常普遍的现象。它具有不希望的后果，例如浪费能量和阻碍系统稳定性。为了解决移动机器人在湿滑条件下的轨迹跟踪的挑战，我们提出了一个分层的框架，学习和适应增益的跟踪控制器同时在线。具体而言，强化学习（RL）模块用于自动调整横向预测控制器和纵向速度PID控制器中的参数。实验表明，同步增益调整的必要性，并已证明，我们的在线框架优于最好的基线控制器使用固定的增益。通过利用在线增益自适应，我们的框架实现了强大的跟踪性能，拒绝滑动和减少跟踪误差时，移动机器人通过各种地形。
2023-01-30 cs.RO cs.SY eess.SY
Adaptive Machine Learning for Cooperative Manipulators
利用自适应机器学习方法研究了在不精确运动学模型下形成闭合运动链的协作机器人的自校正控制问题。由两个级联估计器在线更新与互连机械臂的相对位置/方向不确定性有关的运动学参数，以调整合作控制器，从而实现具有最小范数驱动力的精确运动跟踪。该技术允许精确校准所涉及的机械手的相对运动学，而不需要高精度的端点传感或力测量，因此它是经济合理的。研究整个实时估计器/控制器系统的稳定性表明，如果i）角速度矢量的方向不随时间保持恒定，并且ii）初始运动学参数误差由一些已知参数的缩放器函数上界，则可以确保自适应控制过程的收敛性和稳定性。自适应控制器被证明是无奇异性的，即使控制律涉及反演的估计参数计算的矩阵的近似。实验结果表明，传统的逆动态控制方案的跟踪性能的运动学不准确的敏感性，而跟踪误差显着减少的自校正合作控制器。
2022-09-06 cs.RO cs.SY eess.SY
Learning-Based Geometric Leader-Follower Control for Cooperative Rigid-Payload Transport with Aerial Manipulators
Universidad Politécnica de Madrid（马德里理工大学）；Centre for Automation and Robotics (CSIC-UPM)（自动化与机器人中心（西班牙国家研究委员会-马德里理工大学））
本文提出基于学习的几何领导者-追随者控制方法，用于多空中机械臂协同运输刚性负载，通过高斯过程补偿未知干扰并保证控制稳定性。
2026-02-25 cs.SY eess.SY math.OC
Planning and Control of Uncertain Cooperative Mobile Manipulator-Endowed Systems under Temporal-Logic Tasks
KTH Royal Institute of Technology（KTH皇家理工学院）；School of Electrical Engineering and Computer Science（电气工程与计算机科学学院）
多智能体系统的控制和规划是一个活跃的和越来越多的研究课题，有许多实际应用，如救援任务，安全，监视和运输。本论文主要研究多智能体系统在时序逻辑任务下的规划与控制。所考虑的系统涉及复杂的，机器人，机械手赋予系统，可以协调，以执行复杂的任务，包括对象操作/运输。出于现实生活中的场景，我们考虑到高阶动态模型的不确定性和未知的干扰。我们的方法是基于多代理系统，智能控制理论，合作对象操作，多代理对象系统的离散抽象设计，和正式验证等领域的工具的集成。论文的第一部分致力于设计连续控制协议的合作对象的操作/运输由多个机器人代理，刚性合作操作方案的关系，多智能体形成。在论文的第二部分中，我们开发了控制方案的多智能体复杂系统的不确定动态的连续协调，专注于多智能体导航与碰撞规范在障碍物杂乱的环境。论文的第三部分主要研究了多智能体和多智能体对象系统的规划和控制问题，这些系统的复杂任务用时序逻辑公式表示。论文的第四部分也是最后一部分重点讨论了单智能体设置的几个扩展方案，例如定时时间任务下的运动规划和未知系统的渐近参考跟踪，同时尊重漏斗约束。
2023-03-02 cs.RO cs.SY eess.SY
Lattice piecewise affine approximation of explicit nonlinear model predictive control with application to trajectory tracking of mobile robot
Harbin Institute of Technology Shenzhen（哈尔滨工业大学深圳校区）
为了促进移动机器人在各个领域的广泛应用，必须保证其轨迹跟踪性能。针对移动机器人系统的约束条件和非线性特点，采用非线性模型预测控制（MPC）实现移动机器人的轨迹跟踪。针对非线性预测控制在线计算复杂的问题，设计了一种格点分段仿射（PWA）逼近方法，该方法既能逼近非线性系统，又能逼近显式非线性预测控制的控制律。移动机器人的运动学模型沿轨迹依次线性化，得到系统的线性时变描述，然后用格型PWA模型表示。随后，非线性MPC问题可以转化为一系列线性MPC问题。此外，为了降低在线计算多个线性MPC问题的复杂性，我们使用格PWA模型来近似线性MPC的最优解。也就是说，对于不同的采样状态，最优控制输入，并构造格PWA近似的状态控制对。通过与线性MPC和显式线性MPC框架的比较，进行仿真来评估我们的方法的性能。结果表明，与显式线性预测控制方法相比，该方法在线计算速度快，离线计算时间短，跟踪误差不明显增加。
2023-02-16 cs.RO cs.SY eess.SY
Mobile Formation Coordination and Tracking Control for Multiple Non-holonomic Vehicles
Department of Automatic Control, Lund University（自动化系，吕勒奥大学）
本文针对非holonomic车辆在SE(2)上的轨迹跟踪和移动编队协调问题，提出了一种基于中间姿态变量的分阶段控制方法，并证明了严格刚体运动的编队条件，同时通过仿真和实验验证了所提控制器的性能。
2019-02-28 cs.MA cs.RO cs.SY
Cooperative Estimation of 3D Target Motion via Networked Visual Motion Observer
Tokyo Institute of Technology（东京工业大学）
针对视觉传感器网络，提出一种称为网络化视觉运动观测器的协同估计机制，同时满足静态目标平均和动态目标跟踪，并推导了最终误差上界和分析了跟踪性能。
2011-07-26 cs.SY eess.SY math.OC
Computation Offloading and Resource Allocation for Backhaul Limited Cooperative MEC Systems
在本文中，我们联合优化计算卸载和资源分配，以最小化的所有移动用户的能量消耗的加权和的回程限制合作MEC系统与多个雾服务器。考虑到部分卸载策略和TDMA传输在每个基站，底层的优化问题的约束最大的任务延迟和有限的计算资源在移动用户和雾服务器是非凸的。我们建议凸化的问题，利用一些优化变量之间的关系，提出了一个最优算法来解决由此产生的问题。然后，我们提出的数值结果表明，我们提出的设计相比，传统的设计，不利用雾服务器之间的合作和贪心算法的显着收益。
2019-06-23 cs.DC cs.NI cs.SY
Multi-UAV Planning for Cooperative Wildfire Coverage and Tracking with Quality-of-Service Guarantees
Georgia Institute of Technology（佐治亚理工学院）
近年来，研究人员委托机器人和无人机（无人机）团队进行准确的在线野火覆盖和跟踪。虽然大多数先前的工作集中在这种多机器人系统的协调和控制上，但迄今为止，这些UAV团队还没有被赋予推理火灾轨迹的能力（即，位置和传播动态）以在时间范围上提供性能保证。受空中野火监测问题的启发，我们提出了一个预测框架，该框架使多无人机团队能够在概率性能保证的情况下进行合作，以实现协作的现场覆盖和火灾跟踪。我们的方法使无人机推断的潜在火灾传播动力学的时间延长的协调在安全关键条件。我们推导出一组新的，分析的时间，和跟踪误差的界限，使无人机团队分配其有限的资源，并根据情况下的特定估计状态覆盖整个火灾区域，并提供概率性能保证。我们的结果不仅限于空中野火监测的案例研究，一般适用于问题，如搜索和救援，目标跟踪和边境巡逻。我们评估我们的方法在模拟和演示的物理多机器人测试平台上的建议框架，以考虑到真正的机器人动力学和限制。我们的定量评估验证了我们的方法的性能，分别比最先进的基于模型和强化学习基准测试的跟踪误差小7.5倍和9.0倍。
2022-06-21 cs.AI cs.RO cs.SY
Multi-Objective Multi-Agent Planning for Jointly Discovering and Tracking Mobile Object
The University of Adelaide（阿德莱德大学）；Curtin University（科廷大学）
我们认为具有挑战性的问题，在线规划的一个团队的代理自主搜索和跟踪的实际约束下的检测范围有限的车载传感器的移动对象的数量随时间变化。一个标准的POMDP与价值函数，鼓励发现或准确跟踪的移动对象是不足以同时满足搜索未发现的移动对象，同时保持跟踪发现的对象的冲突的目标。规划问题进一步复杂化的误检测或错误检测的范围有限的传感器和传感器测量固有的噪声引起的对象。我们制定了一个新的多目标POMDP基于信息论的标准，和一个在线多目标跟踪滤波器的问题。由于控制多智能体是一个众所周知的组合优化问题，分配控制行动的代理需要一个贪心算法。我们证明了我们提出的多目标价值函数是一个单调的次模集函数，因此，贪心算法可以实现（1-1/e）近似最大化的次模多目标函数。
2019-11-22 cs.MA cs.RO cs.SY
Trajectory Tracking Control of Skid-Steering Mobile Robots with Slip and Skid Compensation using Sliding-Mode Control and Deep Learning
本文提出了一种针对户外滑移转向移动机器人的轨迹跟踪控制方法，结合滑模控制与深度学习模型实现实时滑移和侧滑补偿，使轨迹跟踪系统性能提升超27%。
2023-10-23 cs.AI cs.RO cs.SY
